Studio Accenture – Ecco perché la guida autonoma è ancora lontana

La guida autonoma è un traguardo che si allontana sempre più e, a breve termine, è da considerarsi irraggiungibile. Lo dice la realtà, che vede l’industria automobilistica ancora al lavoro per risolvere le criticità dei veicoli di livello 3 e quelli di automazione superiore confinati ad ambiti sperimentali, e lo ribadisce l’ultima ricerca di Accenture sugli scenari e le opportunità di business legati ai veicoli driverless. Secondo il report Rebooting Autonomous Driving, infatti, entro la fine della decade in corso le auto con sistemi di livello 3 o 4 rappresenteranno solo il 5% del mercato: una nicchia, dunque, senza contare che a questo stadio non si può nemmeno parlare di vetture del tutto self-driving. Di contro, il continuo sviluppo delle tecnologie porterà a una maggiore diffusione delle funzioni di guida assistita e, per il 2030, Accenture prevede che il 60% delle automobili di nuova produzione sarà dotato di funzioni (optional o di serie) di livello 2, che permettono di gestire automaticamente frenata, accelerazione e direzione, senza però poter mai fare a meno della supervisione del conducente.

Una montagna da scalare. Malgrado rappresenti uno dei macro-trend che stanno rivoluzionando l’automotive, la guida autonoma attraversa una fase di rallentamento. E il momento storico del settore, alle prese con la transizione ecologica e gravi problemi nel gestire la logistica e le forniture, c’entra fino a un certo punto. Il problema è che il prossimo passo da compiere è complesso: Passare da auto di livello 1 a veicoli con funzionalità avanzate di guida assistita (livello 2) è stato relativamente veloce grazie ai progressi tecnologici raggiunti spiega Teodoro Lio, Consumer& Manufacturing Industries Lead di Accenture Italia, Europa Centrale e Grecia. Per arrivare ad auto completamente autonome (livello 5) è però necessario un cambio di passo continua il manager, sottolineando come il lavoro dei costruttori chiamati ad attivare collaborazioni ecosistemiche, modificare il modo in cui vengono costruite le auto e continuare a sviluppare nuove funzionalità e software avanzati sia soltanto una parte del tutto: il cambiamento riguarda anche l’intero contesto istituzionale, di mobilità urbana e normativo e richiede un quadro di regole comuni tra Paesi, che per natura presentano contesti di guida molto differenti. Non a caso le sperimentazioni avvengono soprattutto in luoghi come la California, dove normative più permissive e scenari urbani semplificati rendono il compito più agevole che altrove, a cominciare dall’Europa. Una volta superate le sfide relative ai temi normativi e di responsabilità (in caso di incidente, la colpa è di chi è a bordo del veicolo o di chi fornisce le tecnologie?), resta comunque il problema del costo di accesso, che per le auto di livello 3 rappresenterà la principale barriera all’adozione di massa: perciò Accenture stima che nel 2030 le funzionalità L3 saranno limitate alla parte più alta dei segmenti (ovvero premium e luxury), che rappresentano meno del 5% del mercato, mentre una diffusione su più larga scala è prevista solo intorno alla metà del prossimo decennio.

Uomo vs macchina. Intanto gli entusiasmi iniziali per la guida autonoma si sono raffreddati: Molte case automobilistiche e nuovi player di settore hanno preso posizione dichiarando che le auto guidate dall’intelligenza artificiale sarebbero diventate realtà entro il 2025. Tuttavia prosegue Lio – con la tecnologia e gli algoritmi di deep learning disponibili siamo ancora lontani dal raggiungimento di questo traguardo. Il fantomatico livello 5, dove non è previsto alcun intervento da parte di chi sta a bordo del veicolo, rimane al momento una chimera. Questo standard necessita infatti di sistemi completamente adattivi e, soprattutto, richiede margini d’errore pari a zero nel leggere l’ambiente circostante. Nel breve termine l’intelligenza artificiale non è ancora in grado di distinguere un segnale stradale reale da uno modificato o guidare su strada quando l’asfalto è coperto di neve. Uno studio della Cornell University spiega la società – ha mostrato che modificando semplicemente con un pennarello o degli adesivi dei segnali stradali (per esempio uno Stop) è possibile ingannare’ i sistemi di riconoscimento attuali e fargli credere che si tratti di limiti di velocità. Qualcosa che non sfuggirebbe sicuramente ad una persona umana alla guida. Allo stesso modo, gli algoritmi di intelligenza artificiale non riescono a riconoscere se un semaforo è rosso quando l’involucro di vetro è rotto perché cercano il colore della luce. Tecnologie come il V2X (vehicle to everything) consentiranno di ricevere dati dall’infrastruttura software per aggiungere contesto e significato alle informazioni raccolte, fungendo da complemento all’AI tradizionale e al machine learning.

C’è ancora lavoro da fare. Dunque, Il livello attualmente raggiunto dall’intelligenza artificiale non è sufficiente per supportare adeguatamente la guida autonoma, nonostante tali sistemi informatici vengano sempre più alimentati con pacchetti di dati etichettati che li aiutano ad accumulare esperienza, cioè a memorizzare informazioni e situazioni utili a interpretare la realtà (il cosiddetto apprendimento supervisionato). Il campo del machine learning è comunque un settore in continuo sviluppo grazie agli investimenti fatti dalle grandi tech company, dalle startup, dai fondi di venture capital e anche dai costruttori. Tra le tecnologie che cercano di avvicinare il machine learning alle capacità umane di collegare i fatti all’esperienza pregressa, Accenture sottolinea l’importanza di due in particolare: Il Recurrent Neural Network (RNN), che aggiunge un ciclo di feedback che ricorda moltissimo la memoria di breve termine dell’uomo, e lo Spiking Neural Networks (SNN), che consente di utilizzare segnali dinamici, come fa il cervello umano, e che viene chiamato computing neuromorfico’. Si tratta però di campi di studio complessi e ancora lontani dalla applicazione reale e dagli standard necessari per l’applicazione del livello 5.

Le prospettive. Date queste premesse, Accenture delinea due possibili alternative nello sviluppo del mercato. Il primo è la guida supervisionata in un ecosistema aperto al traffico, alla presenza di un conducente nel veicolo o, tutt’al più, sotto il controllo in remoto di una centrale operativa. Il secondo è l’ODD (Operational Design Domain): una guida autonoma che si realizza con veicoli senza conducente progettati per circolare in ambiti ristretti e semplificati. Nei prossimi anni, però, per auto private e i veicoli commerciali il potenziale di business maggiore sarà ancora nella guida assistita, e in particolare nei sistemi che gestiscono automaticamente la marcia in colonna. Guardando invece a settori specifici, come la logistica, Accenture prevede una crescita dei sistemi di livello 4, applicati, per esempio, alla movimentazione dei container.

Puntare sulle licenze. E per le Case, qual è la strategia più conveniente nella guida autonoma? Secondo la multinazionale di consulenza, i costruttori dovrebbero stringere alleanze e sviluppare, con le tech company, nuovi modelli di business fondati su licenze per software e hardware: Si eviteranno duplicazioni degli sforzi, riducendo i costi di sviluppo spiega Teodoro Lio -. Inoltre, le collaborazioni aiuteranno a cambiare la cultura e il modo di lavorare degli OEM quando si tratta di sviluppare software e di trasformare il paradigma. Un percorso, quello a braccetto con i big della tecnologia, che buona parte del mondo dell’auto ha già intrapreso sotto varie forme.